标签： #金融时间序列

金融时间序列数据稀缺且标注成本高，扩散模型（Diffusion Model）通过前向加噪与反向去噪的迭代过程，能够生成保持真实统计特性（厚尾、波动聚集、长记忆）的合成数据。本文用 Python 从零实现 DDPM 骨架，在受控实验中证伪三个常见直觉，并给出条件生成与数据增强的实务框架。